热线电话：400-882-3320
微信扫码
加入官方交流群
方案简介
观测云 MCP Server 通过 Model Context Protocol 将观测云的查询、诊断和上下文能力接入 AI IDE、桌面客户端和自动化 Agent。AI 助手可以在授权范围内调用日志、指标、链路、事件和基础设施等观测能力，工程师则保留对工具、参数、返回结果和最终结论的审查权。
支持 MCP 的 AI 客户端接入场景
观测云 MCP Server 基于 Model Context Protocol 提供标准化工具服务接口，可接入支持 streamableHttp 的 AI 客户端；实际配置入口和字段以各客户端文档为准。
Trae
Cursor
Windsurf
Claude Desktop
VS Code
Codex场景挑战
AI 助手缺少系统现场：只看聊天上下文很难判断真实系统状态，也无法验证慢请求、错误和资源异常。
观测数据复制成本高：把日志、Trace、指标和告警手动贴给 AI 容易遗漏上下文，也带来权限和隐私风险。
AI 排障过程不可审查：如果看不到查询工具和参数，团队很难判断结论是否来自真实数据。
多域诊断需要统一入口：一次故障常跨日志、指标、链路、事件和基础设施，需要 AI 能按同一上下文连续查询。
观测云方案
MCP 工具接入：把观测云能力开放给支持 MCP 的 AI IDE、桌面客户端和自动化 Agent。
授权工具上下文：通过配置和权限控制 AI 可用工具、查询范围和数据访问边界。
多域诊断能力：围绕日志、指标、链路、事件、APM、RUM 和基础设施数据辅助分析故障。
人机协同排障：AI 生成诊断步骤和建议，工程师审查工具调用、数据证据和结论。
方案亮点
把观测云接入 AI IDE、桌面客户端和自动化 Agent
MCP Server 作为观测云与 AI 客户端之间的协议桥梁，让支持 MCP 的助手可以调用观测云相关能力。团队可以把服务排查、告警分析、Trace 追踪和日志查询纳入 AI 辅助工作流，而不是把数据手动复制到对话框里。
围绕真实数据提问，让 AI 从猜测变成基于证据分析
当 AI 工具能调用被授权的观测能力后，它可以围绕具体时间窗口、服务名、Trace ID、主机或告警事件组织诊断步骤。工程师依然可以审查工具、参数、返回结果和最终结论，形成可追溯的人机协同排障过程。
和 AI Agent 可观测形成闭环：既观测 AI，也让 AI 观测系统
AI Agent 可观测关注智能体自身运行过程，MCP Server 则让 AI 工具可以进入观测云数据上下文辅助分析。两者结合后，团队既能监测 AI 应用的质量、成本与风险，也能让 AI 帮助排查业务系统问题。
更多内容
常见问题
观测云 MCP Server 是什么？
观测云 MCP Server 是把观测云查询、诊断和上下文能力接入支持 Model Context Protocol 的 AI 客户端的服务入口，帮助 AI 助手在授权范围内调用观测能力并分析系统问题。
使用 MCP Server 会替代观测云控制台吗？
不会。MCP Server 更适合 AI 辅助查询、工具调用、诊断和上下文整理；控制台仍然适合完整查看器、仪表板、告警配置、权限管理和团队协作。
观测云 MCP Server 和 OWL CLI 应该怎么选？
如果主要在终端里工作，可以优先使用 OWL CLI；如果希望让 AI IDE、桌面客户端或自动化 Agent 调用观测云能力，可以使用 MCP Server。两者也可以组合使用。
相关阅读
LLM 可观测：看清模型调用、Token 成本与 Trace 链路
从模型请求、Prompt、响应耗时、错误和成本入手，建立大模型应用的可观测分析入口。
AI Agent 可观测接入指南：从应用创建到调用分析
了解 Agent 监测应用、LLM 监测应用、Session 列表、Trace 列表和风险事件分析。
OWL CLI：把观测云诊断能力接入命令行与 AI Agent 工作流
把日志、指标、链路、事件、RUM 和基础设施查询组织成可执行、可审查的诊断流程。
MCP Server 快速开始：把观测云上下文接入 AI 客户端
通过 Model Context Protocol 连接 AI IDE、桌面客户端和自动化 Agent，让建议基于授权观测数据。
